專利名稱：一種聯(lián)合考慮壓縮和丟包損傷條件下的視頻質(zhì)量評(píng)價(jià)方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種視頻質(zhì)量評(píng)價(jià)方法，特別是一種聯(lián)合考慮壓縮和丟包損傷條件下 的視頻質(zhì)量評(píng)價(jià)方法。
背景技術(shù)：
目前，隨著壓縮視頻的廣泛應(yīng)用，人們對(duì)視頻質(zhì)量評(píng)價(jià)問(wèn)題的關(guān)注也日益增加。針 對(duì)壓縮編碼對(duì)視頻質(zhì)量所產(chǎn)生的損傷的客觀評(píng)價(jià)方法，目前有很多模型公布，如結(jié)構(gòu)相似 方法SSIM、剛變差JND和感知失真矩陣(Perceptual Distortion Metric)方法等。而對(duì)于 網(wǎng)絡(luò)傳輸?shù)囊曨l，除了壓縮所帶來(lái)的損傷以外，視頻包的丟失可能會(huì)對(duì)視頻質(zhì)量帶來(lái)嚴(yán)重 的影響，因此丟包條件下的視頻質(zhì)量評(píng)價(jià)也非常重要。S. Kanumuri, T. -L. Lin等提出了 丟包條件下的針對(duì)不同壓縮標(biāo)準(zhǔn)的視頻質(zhì)量評(píng)價(jià)模型，這些模型的建立都是基于主觀評(píng)價(jià) 得到的數(shù)據(jù)，其優(yōu)點(diǎn)是數(shù)據(jù)可靠，但是卻耗時(shí)耗力。由于網(wǎng)絡(luò)傳輸此時(shí)視頻質(zhì)量不僅存在壓縮帶來(lái)的質(zhì)量損傷，同時(shí)也會(huì)由于網(wǎng)絡(luò)擁 塞等引起丟包情況，產(chǎn)生新的質(zhì)量下降問(wèn)題，因此聯(lián)合考慮壓縮和丟包所帶來(lái)的損傷是很 必要的。Liu等提出了一個(gè)基于JND模型的全參考算法，該算法是假定壓縮與丟包所產(chǎn)生 的影響是可線性加權(quán)的。而當(dāng)存在壓縮編碼損傷的前提下每個(gè)視頻包丟失對(duì)質(zhì)量產(chǎn)生的影 響，是一個(gè)值得研究的問(wèn)題。VQM作為一種全參考視頻質(zhì)量評(píng)價(jià)方法，綜合考慮了壓縮編碼 與信道失真引起的質(zhì)量損傷，并且與主觀評(píng)價(jià)有著很高的相關(guān)性，目前已成為美國(guó)ANSI標(biāo) 準(zhǔn)評(píng)價(jià)方法。因此本發(fā)明通過(guò)大量實(shí)驗(yàn)設(shè)計(jì)多種損傷，并計(jì)算對(duì)應(yīng)的VQM質(zhì)量分?jǐn)?shù)，同時(shí)定 義代表視頻內(nèi)容的特征因子，建立GLM模型。應(yīng)用此模型就可以通過(guò)視頻中提取的特征因 子來(lái)預(yù)測(cè)VQM質(zhì)量分?jǐn)?shù)。

發(fā)明內(nèi)容
本發(fā)明的目的是為了克服以上的不足，提供一種操作方便、省時(shí)省力、安全可靠的 聯(lián)合考慮壓縮和丟包損傷條件下的視頻質(zhì)量評(píng)價(jià)方法。本發(fā)明的目的通過(guò)以下技術(shù)方案來(lái)實(shí)現(xiàn)一種聯(lián)合考慮壓縮和丟包損傷條件下的 視頻質(zhì)量評(píng)價(jià)方法，包括以下步驟
A、GLM模型的表達(dá)
采用廣義線性模型(GLM)來(lái)預(yù)測(cè)視頻質(zhì)量分?jǐn)?shù)，該模型表達(dá)如式(1)所示
權(quán)利要求
1. 一種聯(lián)合考慮壓縮和丟包損傷條件下的視頻質(zhì)量評(píng)價(jià)方法，其特征在于包括以下 步驟A、GLM模型的表達(dá)采用廣義線性模型(GLM)來(lái)預(yù)測(cè)視頻質(zhì)量分?jǐn)?shù)，該模型表達(dá)如式(1)所示
2.根據(jù)權(quán)利要求1所述聯(lián)合考慮壓縮和丟包損傷條件下的視頻質(zhì)量評(píng)價(jià)方法，其特征 在于所述步驟D中采用10倍交叉驗(yàn)證方法(10-fold cross-validation),即N=IO ； fun 為選擇因子的準(zhǔn)則函數(shù)，如表達(dá)式(3)所示criterion = fun(xtrain, ytrain, xtest, ytest) (3)式中，xtrairuytrain作為訓(xùn)練數(shù)據(jù)，Xtest、ytest作為測(cè)試數(shù)據(jù)，從零模型開始，每次 采用10倍交叉驗(yàn)證方法得到最重要的一個(gè)特征因子，加入模型，然后在剩下的特征因子中 繼續(xù)選擇第二重要的，以此類推，直到最終預(yù)測(cè)誤差不再減小，即停止加入其它因子，函數(shù) 輸出矢量[inmodel，history]可以保留每次選擇的特征因子與相應(yīng)的估計(jì)偏差，模型建立結(jié)束后，我們就得到最終模型的所有因子\及其對(duì)應(yīng)系數(shù)以及常數(shù)項(xiàng)Y 的值。
3.據(jù)權(quán)利要求1或2所述聯(lián)合考慮壓縮和丟包損傷條件下的視頻質(zhì)量評(píng)價(jià)方法，其特 征在于所述步驟D包括建立VQMb和Δ VQM模型，其中對(duì)于VQMb模型的特征因子有6個(gè)，其 系數(shù)值就是我們所確定的、和β/」=1···6)，因子按照其重要性排列，依次為量化因子均 值(MeanQP)、運(yùn)動(dòng)矢量幅度均值(MotM)、運(yùn)動(dòng)矢量幅度方差(VarM)、誤碼傳播長(zhǎng)度(TMDR)、 包大小(NAL_size)和水平方向運(yùn)動(dòng)矢量均值(MeanMotX)；對(duì)于Δ VQM模型的特征因子有5個(gè)，其系數(shù)值就是我們所確定的γ和(j=l-5), 因子按照其重要性排列依次為包大小(NAL_size)、誤碼傳播長(zhǎng)度(TMDR)、對(duì)數(shù)殘差能量 (log[MeanRSENGY])、運(yùn)動(dòng)矢量幅值均值(MotM)和運(yùn)動(dòng)矢量相角均值(MeanMotA)。
全文摘要
本發(fā)明公開一種聯(lián)合考慮壓縮和丟包損傷條件下的視頻質(zhì)量評(píng)價(jià)方法，包括以下步驟GLM模型的表達(dá)、質(zhì)量分?jǐn)?shù)的獲得、特征因子的選擇、建立最終模型，本發(fā)明具有聯(lián)合考慮視頻壓縮與傳輸丟包帶來(lái)的質(zhì)量損傷，建模預(yù)測(cè)在存在壓縮損傷條件下的每個(gè)視頻包丟失對(duì)視頻質(zhì)量的影響；建模過(guò)程不同于以前基于主觀評(píng)價(jià)的算法，基于客觀評(píng)價(jià)模型VQM得到的分?jǐn)?shù)進(jìn)行建模，而不需要人工參與；實(shí)現(xiàn)面向網(wǎng)絡(luò)端的模型，即不需要像素域信息，只采用部分解碼的方式，最大程度的減小計(jì)算復(fù)雜度；在視頻網(wǎng)絡(luò)傳輸過(guò)程中，當(dāng)出現(xiàn)擁塞情況需要丟包時(shí)，利用該模型實(shí)現(xiàn)智能丟包，以在減少同樣比特率前提下，提高解碼視頻的質(zhì)量的優(yōu)點(diǎn)。
文檔編號(hào)H04N7/26GK102075784SQ20101057249
公開日2011年5月25日 申請(qǐng)日期2011年2月18日 優(yōu)先權(quán)日2011年2月18日
發(fā)明者呂銳, 姜秀華, 王玉霞 申請(qǐng)人:中國(guó)傳媒大學(xué)